Siapkan kumpulan data pelatihan Anda untuk distilasi - Amazon Bedrock
Modalitas yang didukung untuk distilasiOptimalkan permintaan input Anda untuk pembuatan data sintetis

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Siapkan kumpulan data pelatihan Anda untuk distilasi

Sebelum Anda dapat memulai pekerjaan penyesuaian model, Anda perlu menyiapkan kumpulan data pelatihan secara minimal. Untuk menyiapkan kumpulan data masukan untuk model kustom Anda, Anda membuat .jsonl file, yang setiap barisnya adalah objek JSON yang sesuai dengan catatan. File yang Anda buat harus sesuai dengan format distilasi model dan model yang Anda pilih. Catatan di dalamnya juga harus sesuai dengan persyaratan ukuran.

Berikan data input sebagai petunjuk. Amazon Bedrock menggunakan data input untuk menghasilkan respons dari model guru dan menggunakan respons yang dihasilkan untuk menyempurnakan model siswa. Untuk informasi selengkapnya tentang input yang digunakan Amazon Bedrock, dan untuk memilih opsi yang paling sesuai untuk kasus penggunaan Anda, lihat. Cara kerja Distilasi Model Batuan Dasar Amazon Ada beberapa opsi untuk menyiapkan dataset input Anda.

catatan

Amazon Novamodel memiliki persyaratan yang berbeda untuk distilasi. Untuk informasi lebih lanjut, lihat Amazon NovaModel penyulingan.

Topik

Modalitas yang didukung untuk distilasi

Model yang tercantum hanya Model dan Wilayah yang didukung untuk Distilasi Model Batuan Dasar Amazon mendukung text-to-text modalitas.

Optimalkan permintaan input Anda untuk pembuatan data sintetis

Selama distilasi model, Amazon Bedrock menghasilkan kumpulan data sintetis yang digunakannya untuk menyempurnakan model siswa Anda untuk kasus penggunaan spesifik Anda. Untuk informasi selengkapnya, lihat Cara kerja Distilasi Model Batuan Dasar Amazon.

Anda dapat mengoptimalkan proses pembuatan data sintetis dengan memformat prompt input Anda untuk kasus penggunaan yang Anda inginkan. Misalnya, jika kasus penggunaan model suling Anda adalah retrieval augmented generation (RAG), Anda akan memformat prompt Anda secara berbeda daripada jika Anda ingin model fokus pada kasus penggunaan agen.

Berikut ini adalah contoh bagaimana Anda dapat memformat prompt input Anda untuk kasus penggunaan RAG atau agen.

RAG prompt example
{
  "schemaVersion": "bedrock-conversation-2024",
  "system": [
    {
      "text": "You are a financial analyst charged with answering questions about 10K and 10Q SEC filings. Given the context below, answer the following question."
    }
  ],
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "text": "<context>\nDocument 1: Multiple legal actions have been filed against us as a result of the October 29, 2018 accident of Lion Air Flight 610 and the March 10, 2019 accident of Ethiopian Airlines Flight 302.\n</context>\n\n<question>Has Boeing reported any materially important ongoing legal battles from FY2022?</question>"
        }
      ]
    }
  ]
}
Agent prompt example
{
    "schemaVersion": "bedrock-conversation-2024",
    "system": [
        {
            "text": 'You are an expert in composing functions. You are given a question and a set of possible functions. Based on the question, you will need to make one or more function/tool calls to achieve the purpose.
                    Here is a list of functions in JSON format that you can invoke.
                    [
                        {
                            "name": "lookup_weather",
                            "description: "Lookup weather to a specific location",
                            "parameters": {
                                "type": "dict",
                                "required": [
                                    "city"
                                ],
                                "properties": {
                                    "location": {
                                        "type": "string",
                                    },
                                    "date": {
                                        "type": "string",
                                    }
                                }
                            }
                        }
                    ]'
        }
    ],
    "messages": [
        {
            "role": "user",
            "content": [
                {
                    "text": "What's the weather tomorrow?"
                }
            ]
        },
        {
            "role": "assistant",
            "content": [
               {
                   "text": "[lookup_weather(location=\"san francisco\", date=\"tomorrow\")]"
               }
            ]
        }
    ]
}